《表4 各算法召回率：基于加权K近邻的改进密度峰值聚类算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于加权K近邻的改进密度峰值聚类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图10～15与表3～5可以看出，本文提出的ADPC-WKNN算法在三个聚类性能评估指标上普遍优于DPC、DB-SCAN与K-means++算法，对于前五个人工数据集，ADPC-WKNN算法的三项性能指标均为最高，说明本文提出的AD-PC-WKNN算法在二维数据集上性能优越。对于UCI数据集，iris和seeds数据集等维数不是特别高的数据集，本文算法在三项性能指标上仍然是最高的，但是在zoo、waveform和wine等高维数据集上，ADPC-WKNN算法的聚类效果并不突出，在waveform数据集上，本文只有准确率与召回率两项指标是最高的，而在zoo及wine数据集上，本文算法的三项性能指标均不是最高的。由此可见，本文提出的ADPC-WKNN算法在中低维数据集上的聚类效果良好，其处理高维数据集的能力还有所欠缺。